项目背景：针对不同地区气象情况，开发研制全年自优 化控制策略系统，满足不同系统配置适应性。目前，低温型 多热源集成热泵系统核心部件存在效率低、环境适应性差等 问题，其系统对季节与环境温度、太阳能照射跟踪等方面能 效利用率低、智能化低等问题。因此，为了填补国家标准空 白，实现低温型多能源集成热泵供热系统能效提升 50%，结 合系统能效目标，同步优化集热蒸发器、水箱换热等模块及 开发。未来三年销售产值在 3.5 亿元，成为国内行业引领， 并带动周边相关产业发展。 所需技术需求简要描述：1.智慧低温型多热源集成热泵 核心部件优化，主要包括集热/蒸发器、冷凝器-水箱组件， 如何减小复合换热过程湿空气的结露、结霜等现象，提高换 热效率。2.基于全工况负荷特性的低温型多热源集成热泵系 统柔性设计。当系统偏离设计工况运行后，可以减缓系统性 能参数的降低，提高直热泵系统自身适应工况变化的能力， 可以使系统在面临所有工况时的性能整体达到较优水平。实 际运行中，涉及设计的环境参数都是四季更迭的，工况点存 在季节性，采集工况以一年为周期，涵盖四季工况。3.低温 型多热源集成泵供热系统优化运行与智慧控制技术研究基 于上述研究基础上开展低温型多热源集成泵供热系统的全 工况动态特性模拟。开展动态特征下的集成热泵循环系统多约束优化研究。开展基于逆向建模的热泵循环主动调控机制 研究。  对技术提供方的要求:具有直膨式太阳能热泵系统的研 究基础和试验条件，能够对系统进行仿真建模，通过仿真进 行系统性能改善，优化产品设计，针对不同地区气象情况， 系统能够自识别自适应，保证系统运行稳定，并实现性能提 升。合作单位可根据国家相关标准进行产品或系统的性能测 试及数据分析能力。 

TES-8100MA智慧教学一体机（机架式）   　　随着多媒体教学的广泛应用，传统的教学设备已无法满足管理信息化的需求，为了进一步提升教学质量与教学管理服务水平，打造便捷、智能、互联的智慧教室生态圈，深圳台电公司继其数字红外无线教室音频系统之后，重磅推出TES-8100系列智慧教学系统。该系统融合了当前TES-5600系列教室音频系统所用的数字红外音频传输及控制技术，同时运用网络通讯技术将多媒体教室中的多媒体讲台、投影机、幕布、电脑音视频设备、话筒及功放等诸多设备进行集中管理和远程控制，致力打造一个整体化、智慧化、安全化的智慧校园。     音质清晰 结合深圳台电自主研发的数字红外处理芯片及国际先进的数字红外技术，在20米范围内不论远近均保持完美音质：频响：主机线路-主机：50 Hz~20 kHz          麦克风-主机：100 Hz~20 kHz信噪比：≥90 dBA总谐波失真：≤0.05% 提高声音清晰度，让老师能较长时间以自然声调讲课，保护老师声带，避免声嘶力竭 清晰的声音能调动学生注意力，减少上课分心、开小差现象，从而提高听课效果 一体化设计，支持灵活扩展 软硬件一体化、模块化设计，支持无缝扩展其他模块 基于其智能操作系统，扩展升级丰富的教学应用 远程智能管控 支持外接触控一体机、投影幕布/白板等显示系统，可控制一体机、投影机、幕布的开关与升降，支持集中监控和管理各种用电设备，支持能耗监控与统计 智慧无线物联 实时采集教室内温湿度、CO2浓度、PM2.5、甲醛等数据，可根据预设自动开启空调，进行温湿度调节；可自动开启环境灯光、开合窗帘提供自然光源，营造舒适的教学环境       TES-8100MA 智慧教学一体机   TES-8100MA …………………… 智慧教学一体机（机架式，数字红外扩声，支持吊装式麦克风，内置数字功放，网络中控，网络交换机，无线物联，寻呼功能，IP 数字音频广播，远程互动，高清视频分区推送）   TES-8100MB 智慧教学一体机   TES-8100MB …………………… 智慧教学一体机（机架式，数字红外扩声，支持吊装式麦克风，内置数字功放，网络中控，网络交换机，无线物联，寻呼功能，IP 数字音频广播)   TES-8100MC 智慧教学一体机   TES-8100MC …………………… 智慧教学一体机（机架式，数字红外扩声，内置数字功放，网络中控，网络交换机，无线物联，寻呼功能，IP 数字音频广播）   TES-8100MD 智慧教学一体机   TES-8100MD …………………… 智慧教学一体机（机架式，数字红外扩声，内置数字功放，网络中控，网络交换机，无线物联，寻呼功能）  

苏文职校智慧校园V4.0建设方案-软硬件-PPT版文档链接

项目成果/简介: i4Ocean 的命名分为两个部分，其中Ocean代表本平台主要应用于海洋信息可视化领域，而i4寓意为四个英文单词即：Interactivity（交互性），Imagination（构想性），Immersion （浸没感），Intelligence（智慧性）。这四个单词概括了i4Ocean 的主要特点，也是本平台致力于实现的终极目标。 i4Ocean可视化原型系统主要实现以下功能： 1、数据处理：将常见的海洋数据转换为geotif、json、geojson。 2、可视化功能：标量数据可视化、剖面动画、体绘制、二、三维流线可视化。 3、可视化分析：中尺度涡识别、追踪。 4、舰船远洋航行系统：港口信息查询、全球港口显示、航线添加、海图导航、水文信息可视化。 5、视频录制：保存加载相机路径、高清截图、高清录像。 在系统中，我们提出了两种算法用于海洋环境数据可视化和分析。一种是基于gpu的光线投射算法绘制海洋温盐数据，一种是基于传输函数的海洋中尺度涡流交互式流场可视化算法，实现了时空相干和视口相干。引入交互式传输函数，从背景洋流中提取基于多种涡旋参数（如Okubo-Weiss参数）的二维和三维涡旋特征。 相关成果评选为2012年山东高等学校优秀科研成果奖、2013年青岛市科学技术奖、青岛市2017-2018年度优秀大数据解决方案。项目阶段:系统原型阶段效益分析: 该系统可用于船舶远洋航行、海洋数据分析、海洋数据处理。将常见的海洋数据转换为tiff，json。利用系统标量场、矢量场可视化功能，对海洋数据进行分析，为船舶航行提供指导。 该技术和装备可用于海洋深部结构研究，为发展我国海洋经济提供技术支撑，这将具有重要的社会经济效益。发展海洋数据分析及可视化功能，更可以拓展蓝色经济空间，推进军民深度融合。 该成果已与青岛海洋科学与技术试点国家实验室等单位开展深度合作，现阶段处在项目支持的前期研究中。同时与外地的合作单位有：中船工业集团，自然资源部直属单位国家海洋信息中心、国家海洋环境预报中心、国家海洋卫星应用中心。知识产权类型:发明专利 、 软件著作权知识产权编号:201510066037.9 201510070177.3 201510212425.3 201510212424.9 201710827686.5 201710828365.7 2013SR004155 2013SR010109 2014SR062104 2015SR014980 2015SR038759 2015SR085063 2015SR246570 2016SR010562 2016SR326470 2016SR325154 2017SR732244 2017SR737071技术成熟度:通过中试技术先进程度:达到国内领先水平成果获得方式:独立研究获得政府支持情况:无

项目成果/简介:本作业平台可以实现掘进头支护作业的完全机械化，改善掘进头工作面的支护状况，大大减轻工人劳动强度，能满足一定的超前支护要求，能有效提高掘进面作业速度，充分保证工作人员的作业安全性，是改进目前掘进头支护作业工作方式的综合机械化成套作业设备。

系统面向大型项目管理与科研管理，以先进的项目管理原理与技术为核心，并充分考虑我国项目与科研管理的实际需求。系统以项目管理流程为主线，整合管理项目实施所需要的时间、费用、质量、资源、信息与知识。通过流程、角色、权限、资源的动态绑定，实现系统的可视化设计与系统功能配置。系统不仅是一个过程管理系统，同时也是一个质量检查与管理系统，不仅是一个专家管理系统，也是一个知识管理系统。系统汇聚了数据分析、文本挖掘、决策支持、自然语言处理等众多先进技术，并支持SOA软件体系结构。 在项目管理方面，系统基于项目流程，通过对信息进行不断地收集、加工，共同完成整个项目管理的过程。 项目信息管理：每个项目记录以下信息：项目编号、项目名称、承担单位、单位地点、计划开始时间、计划结束时间、优先等级、项目预算。 项目计划制定：可定义项目里程碑（包括交付成果）和计划时间，以明确科研项目所处的阶段，控制项目从某个状态提升到下一状态，并且能够直观地显示项目所处的阶段，实现了项目的流程化管理。 项目流程管理：对项目的各种技术文档的审批流程、变更进行管理，项目的进度管理，建设管理数据库、存储有关管理数据，保存项目相关材料。 在科研管理方面，系统支持完整的科研管理生命周期，包括科研项目征集阶段、评议阶段、立项审批阶段、立项阶段、实施阶段、验收阶段、跟踪阶段，整个项目管理生命周期。系统支持科研项目过程管理，支持科研绩效评估也支持科研决策。与此同时，系统提供了丰富的相关管理功能： 工作任务分解：整个项目活动分级分解至可管理工作单元的层次结构，每一个工作单元具体描述在一个规定单位或个人的具体责任和计划时间。 计划进度跟踪：项目各阶段或交付成果文档的负责人将必须定期地对所负责的工作进行进度维护。系统能够自动地综合相关的信息进行项目完成百分比的维护。 成果状态的管理：任务交付成果的管理将根据具体任务中规定的不同交付成果形式进行，例如交付形式可以为文件、设计模型、产品或部件等。 内容发布：面向各项目课题组、科研单位等用户，进行公共的信息发布以及公告。起到宣传、通报、展示等作用，即时地通过因特网向用户发布通知。 资料文档下载：各个项目中存在着大量地公共文档以及各种模板，为了方便所有用户，将此类文档和模板进行合理组织，用户可以轻松实现公共文档和模板的下载和上传功能。 辅助决策功能：提供相关的分析工具，综合应用现代管理技术，对各种关联管理信息进行对角度剖析，提供多维图表，实现对知识分析和知识挖掘，为决策提供了可靠的支持。 绩效评价：建立了多种大型项目与科研项目评估指标体系，利用关键绩效指标对工作完成效果进行测度，可以有效的对工作绩效作出评估。 本系统面向大型项目管理与科研管理，可用于通信、能源、交通、政府、国家中医药管理局、医疗机构、冶金行业、石油石化等行业。

通过车载终端以至少 1Hz 的频率采集发动机动态运行数据和静态数据，并通过远程监管终端上传至远程监管平台；远程监管平台将车辆上传的动态运行数据输入相应的诊断模块进行信号诊断，输入相应的排放因子计算模型计算出排放因子，并读取 OBD 故障信息对排放结果进行有效性评估，从而获得车辆的实际排放状态。

本作业平台可以实现掘进头支护作业的完全机械化，改善掘进头 工作面的支护状况，大大减轻工人劳动强度，能满足一定的超前支护 要求，能有效提高掘进面作业速度，充分保证工作人员的作业安全性， 是改进目前掘进头支护作业工作方式的综合机械化成套作业设备。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。